访问官网
GithubDeep Java Library 示例
本仓库包含 Deep Java Library（DJL）的示例源代码 - 一个与框架无关的Java深度学习API。
推理示例
运行Python预处理/后处理
一个示例应用，展示如何在DJL中运行Python代码。
恶意URL检测器
一个基于训练好的字符级CNN模型检测恶意URL的示例应用。
使用TensorFlow引擎进行肺炎检测
一个使用训练好的Keras模型基于X光图像检测肺炎的示例应用。
实时物体检测
一个从网络摄像头实时检测物体的示例应用。
由DJL驱动的在线涂鸦游戏
一个使用DJL构建的基于Web的涂鸦游戏。
在浏览器中运行深度学习
一个在浏览器中运行DJL代码的Web应用。
训练示例
使用DJL训练鞋类分类
一个使用DJL训练鞋类分类模型的示例应用。
使用DJL可视化训练
一个具有Web界面的示例应用，用于跟踪和可视化损失和准确率等指标。
Android
DJL让人脸检测变得简单
一个展示如何轻松构建深度学习Android应用的示例。
使用PyTorch模型的涂鸦绘画应用
一个使用PyTorch模型构建的涂鸦绘画Android游戏。
使用风格迁移让您的图像看起来像画作
这个应用会将您的图像转换为梵高或莫奈等画家的风格。
使用语义分割识别物体
一个对图像中的物体进行着色的应用。
使用神经机器翻译从法语翻译成英语
输入您想翻译的法语文本，获得英语输出。
语音识别
一个展示如何构建语音识别应用的示例。
使用ONNX模型进行物体检测
一个展示如何使用ONNX模型构建物体检测应用的示例。
AWS服务
AWS Kinesis视频流
一个读取KVS流输出的示例应用。
使用AWS Lambda进行无服务器模型服务
一个使用AWS Lambda提供深度学习模型服务的示例应用。
在AWS Elastic Beanstalk上进行模型服务
构建一个微服务以部署在AWS Elastic Beanstalk上。
在AWS Elastic Beanstalk上进行模型服务
构建一个微服务以部署在AWS Elastic Beanstalk上。
使用AWS Inferentia进行低成本推理
一个使用AWS Inferentia进行低成本/高性能推理的示例应用。
大数据集成
Spark图像分类
包含Spark图像分类演示。
Apache Beam CTR预测
一个使用Apache Beam预测在线广告点击率的示例应用。
Apache Flink情感分析
一个使用Apache Flink进行情感分析的示例。
Apache Camel中的DJL组件
一个演示使用Zoo模型对图像进行分类的简单HTTP服务的示例应用。
其他演示
在单个JVM中使用多个引擎
一个在一个Java进程中运行多个深度学习框架的示例应用。
使用GraalVM加速您的深度学习应用
一个演示将DJL应用编译成本地可执行文件的示例应用。
在Quarkus上部署DJL模型
一个使用Quarkus提供深度学习模型服务的示例应用。
